基于K—means聚類法的大學生網購抱怨行為分析

張慧　李克芳　李志楨

[摘要]文章運用聚類分析中的K-means聚類法對在校大學生網購抱怨行為進行聚類分析。研究發現，大學生網購抱怨類型可以分為傳播型抱怨者、效用型抱怨者和沉默型抱怨者，不同類型的抱怨者各有其特點，這就要求電商應根據不同的抱怨類型的特點采取相應的補救策略，以保持和提高大學生網購的忠誠度。

[關鍵詞]抱怨行為；K-means聚類分析；補救策略

隨著互聯網的興起，網購正成為一種趨勢和潮流，在人們的日常生活中占據越來越重要的位置。眾所周知，大學生接受新事物能力強，能熟練使用互聯網，因此大學生對于網購的接受程度比其他人群更高，現在的在校大學生將成為未來網購市場的主要組成部分。但是大學生網購常常會遇到不滿意的情況，產生抱怨行為，若不能有效安撫抱怨者的情緒，其忠誠度會大打折扣。所以，電商必須了解大學生抱怨行為的類型和特點，采取有效的補救策略，消除他們的抱怨情緒。本文在借鑒前人研究成果和方法的基礎上，主要以在校大學生為樣本，研究他們在近年興起的網購大潮中的抱怨行為類型。

1 文獻回顧

1.1 顧客抱怨

顧客抱怨是指顧客對產品或服務的不滿和責難，顧客對產品或服務的抱怨即意味著經營者提供的產品或服務沒達到他的期望、沒滿足他的需求。另外，也表示顧客仍舊對經營者具有期待，希望能改善服務水平。其目的就是為了挽回經濟上的損失，恢復自我形象。大致在20世紀70年代，由于受到消費至上主義的影響，西方學者就已經開始注意對顧客投訴行為的研究。直到現在，顧客抱怨領域總是能引起很多研究者的興趣。通過對以往有關抱怨主題的研究文獻進行搜集整理，發現這一主題的研究成果逐漸成熟和完善。

1.2 網購抱怨行為

1999年年底，隨著互聯網高潮來臨。中國網絡購物的用戶規模不斷上升。2010年中國網絡購物市場延續用戶規模、交易規模的雙增長態勢。《2013—2017中國網絡購物行業市場前瞻與投資預測分析報告》統計數據顯示，2010年中國網絡購物市場交易規模接近5000億元，達4980.0億元，占到社會消費品零售總額的3.2%；同時，網絡購物用戶規模達到1.48億，在網民中的滲透率達30.8%。網購將成為未來發展的必然趨勢，在人們的生活中占據十分重要的位置。不可否認的是網購的興起和蓬勃發展為人們的生活帶來很多的便利，同時本身也存在很多的問題：大量的假冒偽劣產品充斥著網購；誠信問題；配送的速度不一；退貨不方便等。由于這些問題的存在使得網購的抱怨行為難以避免，同時，網購抱怨行為發生的頻率更高，傳播性更廣，危害性也更大，不同于線下購買的顧客抱怨行為。網購抱怨行為是絕大多數電商必將面臨的重要問題，具有十分重要的研究意義。

1.3 K-means聚類

聚類分析中常用的一種聚類算法是1967年MacQueen提出的基于誤差平方和準則的K-均值算法，該算法具有簡單且容易理解，計算方便、速度快以及能夠有效處理大型數據庫的優點而成為聚類分析中的經典算法。K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。

2 研究方法

2.1 研究對象及數據收集

本文以有網上購物經歷的在校大學生為研究對象。2008年6月發布的《中國網絡購物報告》顯示網購用戶中學歷是大專及以上的用戶比例已高達85%。其中大專和本科學歷的用戶占75%，也就是說，在校的本、專科大學生將成為未來網購市場的主要組成部分。從2012年來看，在校大學生網購用戶占總體網購用戶的3成，亞馬遜網和拍拍網用戶群體中在校大學生比例超過4成。目前，在校大學生的網購人數有增無減。由此可見，在校大學生已經在現在的網購的市場中占據不可忽略的位置，也必將在未來的網購市場中占據十分重要的位置，因此本文選擇在校大學生為研究對象。向某高校的大學生隨機發放問卷，共發放了150份，回收136份，有效問卷125份。

2.2 變量測量

本文采用了Likert5分量表法，它是由美國社會心理學家李克特于1932年在原有的總加量表基礎上改進而成的。該量表由一組陳述組成，每一陳述有“非常同意”“同意”“不一定”“不同意”“非常不同意”五種回答，分別記為5、4、3、2、1，每個被調查者的態度總分就是他對各道題的回答所得分數的加總，總分的高低說明了消費者的態度強弱。在參考相關文獻的基礎上，本研究中涉及的變量及測項如表1所示。

3 數據分析與結果

整理問卷數據并錄入，運用SPSS軟件進行K-means聚類運算。得到表2、表3、表4，如下：

利用方差分析可以判斷所分的類別是否合理。由表2可以看出，分類后各變量在不同類別之間的差異都是顯著的，P值均小于0.05，說明分類比較合理。表3數據表示各類別在各變量上的平均值，比如：2.82就表示第一類在變量V1上的平均值。可以看出，大學生網上購物抱怨行為共分為3類。

第一類在變量V2、V7上的平均值較大，在其他變量上的平均值較小。根據V2和V7描述的特點，把這類抱怨行為定義為“傳播型抱怨者”。

第二類在變量V1、V5上的平均值較大，在其他變量上的平均值偏小，我們可以把這種期望通過抱怨獲得一定補償的行為定義為“效用型抱怨者”。

第三類在變量V3、V4、V6 上的平均值較大，而在其他變量上的平均值較小。根據這三個變量描述的特點，把這類抱怨者命名為“沉默型抱怨者”。

由表4可知，第一類“傳播型抱怨者”含33個樣本，占總樣本（125個）的26.4%；第二類“效用型抱怨者”含27個樣本，占總樣本的21.6%；第三類“沉默型抱怨者”含65個樣本，占總樣本的52%，顯然沉默型抱怨者占絕大部分。

4 管理啟示

通過對以上數據分析與結果的思考，得出以下管理啟示：

第一類“傳播型抱怨者”僅占了26.4%的比例，但對電商的聲譽會造成很大影響。他們會向周圍的人或通過社交媒體傳播負面口碑，并轉向其他競爭者。電商可以采取以下補救措施：培養與顧客的關系，牢固的關系是電商發生嚴重失誤時的緩沖劑，可以降低消極口碑出現的可能性；從流失的顧客身上學習，發現自身的不足之處，避免以后再出現同樣的失誤。

第二類“效用型抱怨者”對抱怨產生的結果抱有積極的預期，不會輕易選擇轉向其他電商。建議電商采取以下措施：首先了解抱怨者抱怨的原因及對補救結果的最高期望和最低期望。其次補救結果不能低于其最低期望，否則“效用型抱怨者”將轉為“傳播型抱怨者”或“沉默型抱怨者”。

第三類“沉默型抱怨者”是大學生網購抱怨群體的主流，也是電商應給予重點關注的群體。這類抱怨者具有以下特點：保持沉默，很少采取行動，不太可能進行負面口碑傳播，更不會向第三方投訴，只是會吸取經驗教訓，默默轉向其他電商。針對這類抱怨者，電商可以采取如下補救措施：一開始就把事情做好，這是最佳的補救策略。如果大學生一開始就對網購很滿意，自然就沒有抱怨，不會轉換電商；鼓勵并跟蹤抱怨，鼓勵抱怨是打破沉默、促使大學生直接向電商抱怨的有效辦法，電商可以通過大學生網購滿意度調查、關鍵事件研究等來鼓勵和跟蹤抱怨。

5 結 論

對大學生網購抱怨行為進行K-means聚類分析有利于電商深入了解大學生抱怨行為的內在特點，大學生抱怨行為的類型及各抱怨類型所占比例，并根據不同的抱怨類型有針對性地采取相應的補救策略，加強補救的效果，維持和提高大學生對電商的認可度和忠誠度。

參考文獻：

[1]劉靖明，韓麗川，候立文.基于粒子群的K均值聚類算法[J].系統工程理論與實踐，2005（6）：54-58.

[2]楊善林，李永森，胡笑旋，等.K-means算法中的K值優化問題研究[J].系統工程理論與實踐，2006（2）：97-101.

[3]劉艷麗，劉希玉.K-均值算法聚類分析及其在人力資源管理中的應用[J].山東科學，2008（4）.

[4]趙喜倉，崔冬梅，竇志紅.聚類分析在客戶細分中的研究與應用[J].江蘇商論，2007（8）.

[5]郭志剛.社會統計分析方法——SPSS 軟件應用[M].北京：中國人民大學出版社，1999.

[6]金立印.顧客抱怨傾向的決定因素：模型及基于中國零售業的實證檢驗[J].南開管理評論，2007，10（1）：38-43.

[7]朱美艷，莊貴軍，劉周平.顧客投訴行為的理論回顧[J].山東社會科學，2006（11）： 137-144.

[8]薄湘平，周琴.服務補救：重建顧客滿意的重要手段[J].湖南大學學報：社會科學版，2005（1）.

[9]李克芳，聶元昆.服務營銷學[M].北京：機械工業出版社，2012.